欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種用于列車軸承軌邊聲學(xué)故障檢測的聲源分離方法與流程

文檔序號:12885781閱讀:656來源:國知局
一種用于列車軸承軌邊聲學(xué)故障檢測的聲源分離方法與流程

本發(fā)明涉及高速列車輪對軸承軌邊聲學(xué)故障診斷技術(shù),具體涉及一種使用參數(shù)化多普勒調(diào)制諧波原子稀疏分解與信號重構(gòu)的列車輪對軸承軌邊聲學(xué)故障信號聲源分離方法,用于從軌邊信號中分離出輪對軸承聲音信號。



背景技術(shù):

列車在高速運(yùn)行時輪對軸承發(fā)出的聲音信號中蘊(yùn)含了與其健康狀況密切相關(guān)的信息,在軌邊安裝麥克風(fēng)采集聲音信號并通過信號處理手段可以進(jìn)行輪對軸承有效的故障診斷,具有非接觸式監(jiān)測的特點(diǎn)。然而,軌邊信號中摻雜了來自列車其他部件發(fā)出的聲信號,給有效的故障診斷帶來了困難。常見的去噪方法是使用數(shù)字濾波器,例如butterworth帶通濾波。然而這種濾波器只能在頻域?qū)π盘栠M(jìn)行過濾,對于與軸承特征頻帶相同的帶內(nèi)噪聲無法消除。因此去噪效果不佳,導(dǎo)致診斷結(jié)果不準(zhǔn)確。



技術(shù)實現(xiàn)要素:

本發(fā)明技術(shù)可以解決的問題:克服現(xiàn)有技術(shù)不足,提供一種用于列車軸承軌邊聲學(xué)故障檢測的聲源分離方法,用于列車軸承故障聲學(xué)故障檢測,具有能夠消除帶內(nèi)噪聲的優(yōu)點(diǎn),有效提升了去噪效果和故障診斷的準(zhǔn)確性。

本發(fā)明技術(shù)解決方案:一種用于列車軸承軌邊聲學(xué)故障檢測的聲源分離方法,使用安裝在鐵軌兩側(cè)的麥克風(fēng)采集列車高速通過時輪對軸承發(fā)出的故障聲音信號,作為檢測信號x(t),實現(xiàn)步驟如下:

步驟1:構(gòu)建過完備參數(shù)化多普勒調(diào)制諧波原子庫datom:

datom={s0(i),i=1,2,…,n};其中s0(i)為原子集合,i為每個原子對應(yīng)序號;

步驟2:將軌邊檢測信號x(t)在步驟1中構(gòu)建的datom中進(jìn)行稀疏分解得到投影原子庫datom2:

datom2={s1(j),i=1,2…m};其中s1(i)為分解信號得到的原子集合;

及每個投影原子對應(yīng)的投影矩陣系數(shù)c:

c={c(j)opt,j=1,2,…,m},其中c(j)opt投影系數(shù)集合,j為投影原子對應(yīng)的投影系數(shù)序號,

及每個投影原子對應(yīng)的參數(shù)集合:

γopt={rj,x0j,vj,fcj},j=1,2,...,m;其中rj,x0j,vj,fcj分別為匹配分解得到符合麥克風(fēng)距離聲源縱向距離集合、麥克風(fēng)距離聲源初始橫向距離集合、聲源初始速度集合、聲源震蕩頻率集合,j為投影原子所對應(yīng)相關(guān)參數(shù)參數(shù)的序號;

步驟3:根據(jù)麥克風(fēng)到輪對軸承的橫向距離和縱向距離從步驟(1-2)中得到的投影原子庫datom2中篩選符合要求的原子datom3:

datom3={s2(k),k=1,2…n1},其中s2(k)符合麥克風(fēng)到輪對軸承的橫向距離和縱向距離要求原子集合,k為篩選后的符合要求的原子對應(yīng)的序號;

并進(jìn)行線性疊加后得到重構(gòu)信號sig:

其中n1為從原子庫datom2中篩選符合要求的datom3原子個數(shù),c(k)opt為投影系數(shù)集合,s2(k)為符合麥克風(fēng)到輪對軸承的橫向距離和縱向距離要求原子集合,real、image分別為集合實部和虛部,k為信號sig重構(gòu)所對應(yīng)原子庫datom3原子的序號。

所述驟1中,構(gòu)建datom的步驟如下:

(1)設(shè)定參數(shù)集合:

其中r為麥克風(fēng)距離聲源縱向距離集合,r1、r2分別為麥克風(fēng)距離聲源的最近、最遠(yuǎn)距離,δr為設(shè)置的縱向距離變化步長;x0為麥克風(fēng)距離聲源橫向距離集合,x01、x02分別為麥克風(fēng)距離聲源橫向距離最近、最遠(yuǎn)距離,δx0為設(shè)置的橫向距離變化步長;v為初始速度集合,v1、v2分別為聲源速度最小、最大值,δv為設(shè)置的聲源速度變化步長;fc為聲源震動頻率范圍,fc1、fc2聲源震動頻率最大、最小值,δf為設(shè)置的聲源震動頻率步長;

(2)對于步驟(1)中г中的第i個參數(shù)組合:

γi={ri,x0i,vi,fci}

按以下步驟生成多普勒調(diào)制諧波原子:

(21)首先計算發(fā)聲幅值序列se(n):

se(n)=sin(2πfcits(n))

其中fs為軌邊信號的采樣頻率,ts(n)=0,1/fs,…,(n-1)/fs為采樣時間序列,n為采集到的軌邊信號的長度,fci為聲源震動頻率集合;

(22)計算收聲時間序列tr(n):

其中ts(n)為采樣時間序列(發(fā)聲時間序列),c為聲速;

(23)延遲時間序列td(i)計算,延遲時間序列td(n)為最終得到時間序列,其值td(n)=ts(n)+r(0)/c,其中r(0)表示聲源在起始點(diǎn)與麥克風(fēng)的距離,計算公式為:

(24)收聲幅值序列sr(n)計算:

(25)以收聲時間序列tr(i)為x變量,以收聲幅值序列sr(i)為y變量,以延遲時間序列td(i)為插值x變量,執(zhí)行三次樣條插值重采樣處理,并進(jìn)行能量歸一化得到多普勒調(diào)頻原子dr(n);

(26)將se(n)=cos(2πfcits(n)),重復(fù)步驟(21)-(25)得到的多普勒調(diào)頻原子di(n);

(3)生成參數(shù)化多普勒調(diào)制諧波原子s0(i)=dr(n)+j*di(n);

(4)改變i值,重復(fù)(2)-(3),直至遍歷步驟(1)中г中每組參數(shù)組合,最終得到過完備單位復(fù)數(shù)調(diào)頻原子庫:

datom={s0(i),i=1,2…n}。

所述步驟2中,稀疏分解的步驟如下:

(1)初始化迭代次數(shù)j=1;;

(2)將軌邊檢測信號x(t)與步驟(1)中得到的過完備多普勒調(diào)制諧波原子庫datom中的每個原子進(jìn)行內(nèi)積運(yùn)算,得到投影值數(shù)組c(i):

c(i)=x(t)·s0(i)

(3)計算最優(yōu)投影向量:

datomj=real(c(j)opt)*real(s1(j))+imag(c(j)opt)*imag(s1(j))

其中:

c(j)opt=max(|c(i)|)

s1(j)為c(j)opt對應(yīng)的原子;

(4)將x(t)減去最優(yōu)投影向量得到新的x(t):

x(t)′=x(t)-datomj

(5)將j的數(shù)值加1,重復(fù)步驟(2)-(4)直至有至少以下條件之一滿足:

以上兩個公式為中止指標(biāo),norm(x(t))為每次迭代后信號的能量,j為迭代次數(shù),σ1和σ2為設(shè)定的指標(biāo)閾值,其中σ1為殘值能量閾值,σ2為迭代次數(shù)閾值;

(6)經(jīng)過j次迭代得到投影原子庫:

datom2={s1(j),j=1,2…m}

及每個投影原子對應(yīng)的投影系數(shù):

c={c(j)opt,j=1,2,…,m}

及每個投影原子對應(yīng)的參數(shù)集合:

γopt={rj,x0j,vj,fcj},j=1,2,...,m。

所述步驟3中,得到datom3的步驟如下:

(1)根據(jù)列車與麥克風(fēng)幾何關(guān)系,確定重構(gòu)幾何參數(shù),麥克風(fēng)距離聲源距離,根據(jù)軸承系統(tǒng)確定共振頻帶,得到篩選參數(shù)范圍:

其中r為篩選后得到滿足要求的麥克風(fēng)距離聲源縱向距離范圍,dr為篩選的縱向距離步長,rs、rs+dr麥克風(fēng)距離聲源縱向距離最小值、最大值;x0為篩選后得到滿足要求的麥克風(fēng)距離聲源橫向距離范圍,dx0為篩選的橫向距離步長,x011、x011+dx0為麥克風(fēng)距離聲源橫向距離最小值、最大值;fc為篩選后得到滿足要求的聲源震蕩頻率范圍,fc11、fc22為聲源震蕩頻率最小、最大值;

(2)遍歷datom2中的每一個原子,如果原子對應(yīng)的參數(shù)滿足步驟(1)設(shè)定的篩選參數(shù)范圍,則保留,最終得到datom3={s2(j),j=1,2…n1}。

本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于:使用參數(shù)化多普勒調(diào)制諧波原子對軌邊信號進(jìn)行稀疏分解與重構(gòu),分解過程中使用的原子經(jīng)過多普勒調(diào)制,與軌邊信號內(nèi)在結(jié)構(gòu)相匹配,且構(gòu)建參數(shù)包含幾何參數(shù)和頻率參數(shù);在重構(gòu)過程中同時使用幾何參數(shù)和頻率參數(shù)進(jìn)行原子篩選和重構(gòu),有效提升了聲源分離效果,與傳統(tǒng)方法相比實現(xiàn)了帶內(nèi)消噪,提升了故障診斷的準(zhǔn)確性。

附圖說明

圖1為本發(fā)明中的列車軸承軌邊聲學(xué)檢測的聲源分離方法流程圖;

圖2軌邊聲學(xué)監(jiān)測運(yùn)動學(xué)模型;

圖3為仿真分析中聲源幾何位置關(guān)系

圖4軌邊多聲源聲音采集示意圖;

圖5軸承聲源信號重構(gòu)原理示意圖;

圖6為小波調(diào)制的諧波信號時域圖;

圖7小波調(diào)制的諧波信號頻域圖;

圖8為仿真重構(gòu)信號sig;

圖9為利用本發(fā)明提出來的多普勒調(diào)制諧波原子生成干擾信號nsig;

圖10為麥克風(fēng)采集的信號x(t),包括仿真重構(gòu)信號sig與干擾信號nsig;

圖11(a)為麥克風(fēng)采集到的軌邊信號x(t)與利用本發(fā)明提出來的匹配重構(gòu)得到的信號疊加;圖11(b)為兩個信號局部放大圖;

圖12麥克風(fēng)采集到的信號x(t)經(jīng)每次迭代分解后的剩余能量殘值normx(t);

圖13(a)為仿真重構(gòu)信號與利用本發(fā)明提出來的方法得到重構(gòu)信號的疊加;圖13(b)為兩個信號的局部放大圖。

具體實施方式

下面結(jié)合附圖及實施例對本發(fā)明進(jìn)行詳細(xì)說明。

采用高速列車輪對軸承外圈單點(diǎn)故障軌邊仿真聲音信號進(jìn)行分析處理,為了驗證方法的有效性,在軌邊信號同一平面內(nèi)添加2個不同幾何位置的噪聲信號。采樣頻率5khz,

圖1為發(fā)明中的列車軸承軌邊聲學(xué)檢測的聲源分離方法流程圖。使用安裝在鐵軌兩側(cè)的麥克風(fēng)采集列車高速通過時輪對軸承發(fā)出的故障聲音信號,作為檢測信號x(t),對該檢測信號的處理步驟為:

(1-1)構(gòu)建過完備參數(shù)化多普勒調(diào)制諧波原子庫:

datom={s0(i),i=1,2,…,n}

(1-2)將軌邊檢測信號x(t)在步驟(1-1)中構(gòu)建好的過完備原子庫datom中進(jìn)行稀疏分解得到投影原子庫:

datom2={s1(j),i=1,2…m}

及每個投影原子對應(yīng)的投影系數(shù):

c={c(j)opt,i=1,2,…,m}

及每個投影原子對應(yīng)的參數(shù)集合:

γopt={rj,x0j,vj,fcj},j=1,2,...,m

(1-3)根據(jù)麥克風(fēng)到輪對軸承的橫向距離xx02和縱向距離rr02從步驟(1-2)中得到的投影原子庫datom2中篩選符合要求的原子:

datom3={s2(k),k=1,2…n1}

并進(jìn)行線性疊加后得到重構(gòu)信號sig:

如圖2所示,步驟(1-1)中,構(gòu)建過完備參數(shù)化多普勒調(diào)制諧波原子庫的步驟如下:

(2-1)設(shè)定參數(shù)集合:

(2-2)對于步驟(2-1)中г中的第i個參數(shù)組合:

γi={ri,x0i,vi,fci}

按以下步驟生成多普勒調(diào)制諧波原子:首先計算發(fā)聲幅值序列se(n):

se(n)=sin(2πfcits)

其中fs為軌邊信號的采樣頻率,ts=0,1/fs,…,(n-1)/fs為采樣時間序列,n為采集到的軌邊信號的長度;

(2-3)計算收聲時間序列tr(n):

其中ts(n)為步驟(2-2)中使用的采樣時間序列時刻(發(fā)聲時間),c為聲速;

(2-4)延遲時間序列td(i)計算。延遲時間序列td(n)為最終得到時間序列,其值td(n)=ts(n)+r(0)/c,其中r(0)表示聲源在起始點(diǎn)與麥克風(fēng)的距離,其計算公式為:

(2-5)收聲幅值序列sr(n)計算:

(2-6)以收聲時間序列tr(i)為x變量,以收聲幅值序列sr(i)為y變量,以延遲時間序列td(i)為插值x變量,執(zhí)行三次樣條插值重采樣處理,并進(jìn)行能量歸一化得到多普勒調(diào)頻原子dr(n)。

(2-7)將步驟(2-2)中正弦函數(shù)替換為余弦函數(shù),重復(fù)步驟(2-2)-(2-6)得到的多普勒調(diào)頻原子di(n);

(2-8)生成參數(shù)化多普勒調(diào)制諧波原子s0(i)=dr(n)+j*di(n);

(2-9)改變i值,重復(fù)(2-2)-(2-8),直至遍歷步驟(2-1)中г中每組參數(shù)組合,最終得到過完備單位復(fù)數(shù)調(diào)頻原子庫:

datom={s0(i),i=1,2…n}

步驟(1-2)中,稀疏分解的步驟如下:

(3-1)初始化迭代次數(shù)j=1;

(3-2)將軌邊信號x(t)與步驟(1-1)中得到的過完備多普勒調(diào)制諧波原子庫datom中的每個原子進(jìn)行內(nèi)積運(yùn)算,得到投影值數(shù)組c:

c(i)=x(t)·s0(i)

(3-3)計算最優(yōu)投影向量:

datomj=real(c(j)opt)*real(s1(j))+imag(c(j)opt)*imag(s1(j))

其中:

c(j)opt=max(|c(j)|)

s1(j)為c(j)opt對應(yīng)的原子;

(3-4)將x(t)減去最優(yōu)投影向量得到新的x(t):

x(t)′=x(t)-datomj

(3-5)將j的數(shù)值加1,重復(fù)步驟(3-2)-(3-4)直至有至少以下條件之一滿足:

以上兩個公式為算法中止指標(biāo),norm(x(t))為每次迭代后信號的能量,j為迭代次數(shù),σ1和σ2為設(shè)定的指標(biāo)閾值,其中σ1為殘值能量閾值,σ2為迭代次數(shù)閾值。

(3-6)經(jīng)過m次迭代后得到投影原子庫:

datom2={s1(i),i=1,2…m}

及每個投影原子對應(yīng)的投影系數(shù):

c={c(j)opt,j=1,2,…,m}

及每個投影原子對應(yīng)的參數(shù)集合:

γopt={rj,x0j,vj,fcj},j=1,2,...,m

步驟(1-3)中,得到datom3的步驟如下:

(4-1)根據(jù)列車與麥克風(fēng)幾何關(guān)系,確定重構(gòu)幾何參數(shù)范圍,麥克風(fēng)距離輪對軸聲源橫向、縱向距離范圍(如圖2和圖3所示),根據(jù)軸承系統(tǒng)確定共振頻帶,得到篩選參數(shù)范圍:

(4-2)遍歷步驟(1-2)datom2中的每一個原子,如果原子對應(yīng)的參數(shù)滿足步驟(4-1)設(shè)定范圍則保留,最終得到datom3={s2(k),k=1,2…n1}。另本發(fā)明中涉及到的本領(lǐng)域公知技術(shù)未詳細(xì)闡述。

圖2軌邊聲學(xué)監(jiān)測運(yùn)動學(xué)模型。圖3為仿真分析中聲源幾何位置關(guān)系,麥克風(fēng)(m)距離軌邊縱向距離1m,n1、n2為干擾信號位置距麥克風(fēng)縱向距離分別為2m、1m,橫向距離9m、6m,o為仿真故障信號距麥克風(fēng)縱向距離1.4m,橫向距離7.5m,n1、o、n2三點(diǎn)在同一平面內(nèi)(圖平行四邊形示)。圖4軌邊多聲源聲音采集示意圖,dx、dy、dz為揚(yáng)聲器之間距離,o點(diǎn)為目標(biāo)聲源,其余點(diǎn)為實驗干擾信號,o′為采集軌邊信號的麥克風(fēng),設(shè)定最外帶有o點(diǎn)目標(biāo)聲源的平面為研究對象,移動方向自左向右如圖4所示。

圖5為軸承聲源信號重構(gòu)原理示意圖,o點(diǎn)目標(biāo)聲源,o′為采集軌邊信號的麥克風(fēng),dx為麥克風(fēng)橫向采集信號搜索距離步長、dr為麥克風(fēng)橫向采集信號搜索距離步長。

圖6諧波信號經(jīng)小波調(diào)制后信號時域波形,由諧波信號經(jīng)拉普拉斯小波調(diào)制生成。圖7經(jīng)傅里葉變換后的小波調(diào)制的諧波信號,諧波信號中心頻率為1200hz。圖8仿真去噪信號sig,由本發(fā)明提出來的多普勒調(diào)頻函數(shù)調(diào)制圖6的由拉普拉斯調(diào)制的諧波信號產(chǎn)生多普勒畸變,即產(chǎn)生本發(fā)明的仿真去噪信號sig。圖9為干擾信號,由兩個不同頻率的諧波信號經(jīng)多普勒畸變調(diào)制生成,其與仿真去噪信號對應(yīng)在同一平面的不同位置。圖10為軌邊信號,即麥克風(fēng)采集到的信號,包括仿真干擾信號和去噪信號sig。

圖11(a)為軌邊信號x(t)及其在多普勒原子庫datom1的分解得datom2線性組合得到重構(gòu)軌邊信號的疊加,圖11(b)為取圖10810-850點(diǎn)的匹配軌邊信號與原始信號的局部放大圖,可以看出仿真信號得到很好的匹配分解。圖12麥克風(fēng)采集到的信號x(t)經(jīng)每次迭代分解后的剩余能量norm(x)。圖13(a)為仿真去噪信號與利用本發(fā)明提出來的方法得到去噪信號的疊加,圖13(b)為圖13(a)取900-970點(diǎn)的兩個信號的局部放大圖,可以看出利用本發(fā)明提出來的方法仿真故障信號得到很好的重構(gòu)。從該圖13(a)和13(b)中可以看出利用本發(fā)明提出來的方法軌邊信號x(t)得到了較好的去噪。

提供上述實施例僅僅是為了描述本發(fā)明的目的,并非要限制本發(fā)明的范圍。本發(fā)明的范圍由所附權(quán)利要求限定。不脫離本發(fā)明的精神和原理而做出的各種等同替換和修改,均應(yīng)涵蓋在本發(fā)明的范圍之內(nèi)。

當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1
建阳市| 德清县| 南阳市| 古蔺县| 广灵县| 宁海县| 苏州市| 大田县| 望城县| 莱芜市| 鸡东县| 行唐县| 苏尼特右旗| 湘西| 宁武县| 彩票| 青田县| 苏尼特右旗| 县级市| 开化县| 贵溪市| 高淳县| 应城市| 盐边县| 松江区| 同心县| 榆中县| 修武县| 花莲市| 西乡县| 敦煌市| 安岳县| 南康市| 抚顺县| 西昌市| 六盘水市| 元朗区| 文山县| 岳阳市| 新沂市| 临泽县|